BAB IV. METODOLOGI PENELITIAN Analisis data dilakukan melalui

43
BAB IV. METODOLOGI PENELITIAN
Analisis
data
dilakukan
melalui
serangkaian
tahapan
pengujian
menggunakan analis Vector Auto Regression (VAR). Pada tahap pertama dilakukan
pengujian terhadap variabel yang digunakan dalam model fungsi inovasi sistem
pembayaran dan model permintaan uang.
Vector Auto Regression (VAR) adalah salah satu bentuk model ekonometrika
yang menjadikan suatu peubah sebagai fungsi linier dari konstanta dan log dari
pengubah itu sendiri serta nilai lag dari pengubah lain yang terdapat dalam suatu
sistem persamaan tertentu. Keunggulan metode VAR dibandingkan dengan metode
ekonometrika konvensional (Hadi, 2003) adalah :
1.
Mengembangkan model secara bersamaan didalam suatu sistem yang
kompkleks (multivariate) sehingga dapat menangkap hubungan secara
keseluruhan variable di dalam persamaan.
2.
Estimasi sederhana dimana metode OLS biasa dapat digunakan pada
setiap persamaan secara terpisah
3.
Uji VAR yang multivariate bisa menghindari parameter yang biasa akibat
tidak dimasukkannya variabel yang relevan
4.
Uji VAR dapat mendeteksi hubungan antar variabel didalam sistem
persamaan dengan menjadikan seluruh variable sebagai variabel
endogenous.
5.
Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai
batasan teori ekonomi yang sering muncul termasuk gejala perbedaan
palsu (spurious variable endogenety and exogenety) di dalam model
ekonometrika konvensional terutama pada persamaan simultan, sehingga
menghindari penafsiran yang salah.
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009
44
4.1. Tahapan Pengujian
Pengujian pada model fungsi inovasi sistem pembayaran akan dilakukan
untuk melihat hubungan antar variabel inovasi sistem pembayaran, GDPriil, suku
bunga deposito, indeks harga saham gabungan dan uang beredar (M1). Selanjutnya
pengujian model permintaan uang akan dilakukan uji kointegrasi dan estimasi
hubungan jangka panjang antar variabel fungsi permintaan uang melalui VECM.
Pengujian awal variabel dilakukan dengan menggunakan uji akar unit (unit
root test) menggunakan metode uji Augmented Dickey-Fuller (ADF) dan identifikasi
jenis tren (trend). Jika data adalah stasioner pada tingkat level maka dilanjutkan
dengan persamaan VAR biasa (unrestricted VAR) yang terdiri dari dua persamaan
guna menentukan ordo VAR yang optimal dan dilanjutkan dengan uji kointegrasi
menggunakan metode Johansen. Tahap terakhir adalah melakukan estimasi-estimasi
yang menyertai metode VAR dan VECM, yaitu uji kausalitas, fungsi respon
terhadap shock (Impulse Response Function/IRF), dan dekomposisi varian (Forecast
Error Variance Decomposition/FEVD). Secara umum tahapan pengujian dengan
metode VAR dapat digambarkan sebagai berikut :
Data Time
Series
Uji
Stasionaritas Data
Seluruh Data
Stasioner
VAR in Level
Seluruh Data
Stasioner Pada
1st Difference
Sebagian Data
Stasioner Pada
, Level
Seluruh Data Diambil
1st Difference
Uji Kointegrasi
Data Pada Level
Data Tidak
Terkointegrasi
Terjadi
Kointegrasi
Seluruh Data Diambil
1st Difference
VECM
VAR in1st
Difference
Gambar 3. Proses Pembentukan VAR
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009
45
4.1.1.
Uji Stationer
Uji stationer sangat penting dalam analisis time series. Pengujian
stasioneritas ini dilakukan dengan menguji akar-akar unit. Data yang tidak stationer
akan mempunyai akar-akar unit, sebaliknya data yang stationer tidak ada akar-akar
unit. Data yang tidak stationer akan menghasilkan regresi lancing yaitu regresi yang
menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan
secara statistik padahal kenyataannya tidak atau tidak sebesar regresi yang
dihasilkan tersebut (Laksani, 2004).
Salah satu cara yang dapat digunakan untuk mengetahui kestationeran data
adalah pengujian akar-akar unit dengan metode Dickey Fuller (DF). Misalkan model
persamaan time series sebagai yt = pyt-1 + e. Dengan mengurangkan kedua sisi
persamaan tersebut dengan yt-1 maka akan didapatkan persamaan :
∆yt-1 = δyt-1 + et
(4.1)
Dimana ∆ merupakan perbedaan pertama dan δ = (p-1) sehingga hipotesis
yang diuji adalah Ho : δ < 0. Model pengujian unit root yang digunakan dalam
banyak penelitian adalah model Aughmented Dickey Fuller (ADF) test. Model
umum dari ADF adalah sebagai berikut :
∆yt = k + αyt-1+ c1∆yt-1 + c2∆yt-2 +….+ cp∆yt-p + et
(4.2)
Hipotesis yang diuji pada uji ADF adalah apakah Ho : δ = 0 dengan
hipotesis alternatif Ho : δ < 0. Jika nilai ADF statistiknya lebih kecil dari Mac
Kinnon Critical value maka hipotesis nol yang menyatakan bahwa data tidak
stationer ditolak terhadap hipotesis alternatifnya dengan kata lain dengan menolak
Ho berarti data stationer. Solusi yang dapat dilakukan apabila data tidak stationer
pada uji ADF adalah dengan melakukan difference non stationery process.
Test tersebut dilakukan untuk meningkatkan akurasi dari analisis apabila
data yang di amati stationer. Test ini hanya merupakan pelengkap dari analisis VAR
karena tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik
diantara variabel yang diamati.
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009
46
4.1.2. Penentuan Selang Optimal
Uji selang optimal dilakukan untuk mengetahui berapa jumah selang yang
sesuai untuk diamati. Pemilihan selang optimal akan memanfaatkan kriteria
informasi yang diperoleh dari Akaike Information Critera (AIC) dan Schwarz
Criteria (SC). Akaike Information Critera memberikan penalti atas tambahan
variabel (termasuk variable selang), yang mengurangi derajat kebebasan. Oleh
karena itu, selang optimal akan ditemukan pada spesifikasi model yang memberikan
nilai AIC paling minimum. Seperti AIC, SC memberikan penalti atas penambahan
variabel, namun dengan tingkat penalti yang lebih berat dari AIC. Seperti pada AIC
selang optimal dengan metode ini akan ditemukan pada spesifikasi model yang
memberikan nilai SC minimum.
4.1.3.
Uji Kointegrasi
Metode kointegrasi yang dapat dgunakan diantaranya metode kointegrasi
Engle Granger dan metode kointegrasi Johansen. Dalam penelitian ini digunakan
metode kointegrasi Johansen untuk memperoleh hubungan jangka panjang antara
variabel-variabel dalam model. Metode kointegrasi Johansen digunakan karena
dalam penelitian ini menggunakan metode analisis VAR. Metode kointegrasi
Johansen ini berbeda dengan metode Engle Granger yang biasanya menggunakan
satu persamaan saja.
Metode kointegrasi dilakukan untuk melihat secara empirik hubungan
anatara teori jangka panjang (the long run theory) dan dinamika jangka pandek (the
short run dynamics) (Kennedy, 2003). Teknik kointegrasi ini telah berhasil dan
banyak digunakan dalam melakukan estimasi permintaan uang jangka panjang di
Amerika Serikat dan Inggris (Baba et al, (1992), Miller (1991), dan Cuthsbertson
(1991)).
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009
47
4.1.4. Vector Auto Regression (VAR)
Metode VAR merupakan metode lebih lanjut sebuah sistem persamaan
simultan yang bercirikan pada pemanfaatan beberapa variabel ke dalam model
secara bersama-sama. Jika dalam persamaan simultan terdapat variabel endogen dan
eksogen maka dalam VAR setiap variabel dianggap simetris karena sulit untuk
menentukan secara pasti apakah suatu variabel bersifat endogen atau eksogen
(Sims, 1986). Dalam pendekatan VAR masing-masing variabel endogen dijelaskan
oleh nilai-nilai waktu tundanya sendiri atau nilai-nilai masa lalu dan nilai-nilai
waktu tunda dari semua variabel-variabel endogen lainnya dalam model, biasanya
tidak ada variabel-variabel eksogen dalam model.
Spesifikasi model VAR meliputi pemilihan variabel dan banyaknya selang
yang digunakan di dalam model. Sesuai dengan metodologi Sims (1986), variabel
yang digunakan di dalam persamaan VAR dipilih berdasarkan model ekonomi yang
relevan. Teori ekonomi jelas berperan di dalam pemilihan variabel ini karena itu
Bernanke dan Blinder (1992) menyebutnya sebagai pendekatan semi-structural
VAR. Secara umum VAR dengan ordo p dan n buah variabel endogen pada waktu
ke-t dapat dimodelkan sebagai berikut :
yt = A0 + A1yt-1 + A2yt-2 +…+ Apyt-p + ε t
(4.3)
dimana :
yt
= vector variabel endogen (y1t, y2t, ynt) berukuran nx1
A0
= vector intersep berukuran n x 1
A1
= matrik parameter berukuran nx1
εt
= vector sisaan (ε1t, ε2t,……. ε nt) berukuran nx1
Persamaan VAR secara umum menurut Thomas (1999) sebagai berikut :
k
Ai yt-1 + ε t
yt =
(4.4)
i 1
Dimana :
yt = Vektor kolom dari pengamatan pada waktu t semua variable dalam model
At = Matrik parameter
k = Ordo dari model VAR
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009
48
VAR biasanya digunakan untuk peramalan suatu sistem yang paling terkait
secara runtun waktu dan untuk menganalisis dampak dinamik variabel random error
dalam sistem variabel, serta untuk melakukan uji kausalitas. Hal ini mengartikan
bahwa VAR tidak mementingkan estimasi persamaan struktural. Pendekatan VAR
merupakan permodelan setiap variabel endogen dalam sistem sebagai fungsi dari lag
semua variabel endogen dalam sistem.
Pyndick dan Rubinfeld (1998) menyatakan bahwa dalam melakukan
pemodelan VAR, hanya diperlukan dua hal yang perlu dispesifikasikan, yaitu:
1. Variabel endogen (dan eksogen) yang diyakini berinteraksi dalam suatu sistem
sehingga dimasukkan sebagai bagian dari sistem yang ingin dimodelkan.
2. Jumlah lag optimum yang diperlukan untuk menangkap pengaruh-pengaruh
yang dimiliki masing-masing variabel terhadap variabel lainnya.
4.2.
Spesifikasi Model
4.2.1. Model Inovasi Pembayaran
Berdasarkan teori VAR yang telah dibahas sebelumnya, maka permodelan
VAR untuk inovasi pembayaran berikut dengan urutan variabel (variable ordering
in VAR system) yang digunakan dalam penelitian ini sebagai berikut:
Model Inovasi Pembayaran………………………………………… (4.5)
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009
49
Dimana M1 adalah uang beredar dalam arti sempit (narrow money). GDP
riil adalah produk domestik bruto riil harga konstan tahun dasar 2000 di Indonesia.
SB Dep adalah suku bunga desposito 3 bulan perbankan. IHSG adalah Indeks harga
saham gabungan dan Ncash atau selanjutnya disebut Invsp adalah transaksi sistem
pembayaran mulai dari kartu Debet/ATM, kartu kredit, kliring dan RTGS.
4.2.2. Model Permintaan Uang
Analisis hubungan inovasi sistem pembayaran terhadap permintaan uang
dilakukan dengan menggunakan model permintaan uang yang sudah banyak
diaplikasikan dalam berbagai studi. Model permintaan uang yang mengakomodasi
perkembangan alat pembayaran elektronis dibangun dari shopping time model.
Model ini pada awalnya diperkenalkan oleh Saving (1971) yang kemudian
aplikasikan dalam studi permintaan uang oleh oleh McCallum dan Goodfriend
(1987).
Asumsi dasar yang digunakan dalam permintaan uang adalah closed
economy seperti yang dikemukakan oleh Hueng (1998). Model ini memungkinkan
kita untuk melakukan analisis empirik perkembangan dampak pembayaran
elektronis yang identik dengan perkembangan penggunaan teknologi. Penggunaan
teknologi diakomodasi ke dalam persamaan dengan mengadopsi metode
yang
digunakan oleh Dias (2001).
Dalam model ini permintaan terhadap uang diasumsikan merupakan fungsi
dari faktor-faktor berikut:
xi= {d(LnGDPRiil, d(LnSBDep), d(LnIHSG), d(LnDebCard), d(LnCredCard),
d(LnKliring), dan d(lnRTGS)}.
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009
(4.6)
50
Dimana GDP (produk domestik bruto) merupakan proxy terhadap
pendapatan masyarakat, SBDEP adalah deposito 1 bulan dan IHSG adalah Indeks
Harga Saham Gabungan. Variabel inovasi sistem pembayaran digambarkan dengan
transaksi dengan menggunakan alat pembayaran berbasis kartu seperti variabel
DebCard untuk ATM, kartu debet dan variabel CredCard untuk kartu kredit serta
variabel Kliring untuk nilai transaksi kliring, RTGS adalah variabel nilai transaksi
RTGS.
4.3.
Data dan Pengukuran Variabel
Secara statistik, pengumpulan data inovasi sistem pembayaran di Indonesia
baru dimulai tahun 1999. Untuk menyikapi keterbatasan data, pengujian empiris
pada studi ini dilakukan dengan menggunakan data bulanan periode 2000 - 2008.
Sebagian besar data yang digunakan dalam estimasi berbentuk logaritma natural.
Variabel uang (M1) yang digunakan pada studi ini terdiri atas dua jenis data
yakni M1 dan uang kartal yang masing-masing dideflasikan terhadap Indeks Harga
Konsumen (IHK) dengan tahun dasar 2000. Produk Domestik Bruto yang digunakan
adalah PDB riil.
Sebagai proksi opportunity cost menyimpan uang digunakan
variabel suku bunga yang menggunakan suku bunga deposito 1 bulan dan variable
Indeks Harga Saham Gabungan.
Sementara itu, mengingat sampai saat ini di Indonesia belum diperoleh
variabel yang dapat secara baik dijadikan sebagai indikator perkembangan inovasi
sistem pembayaran, studi ini mengacu pada berbagai studi yang dilakukan di manca
negara yaitu nilai transaksi sistem pembayaran berbasis kartu seperti ATM, kartu
debet, kartu kredit dan Transaksi Transfer Elektronis yaitu Kliring dan RTGS.
Pengaruh inovasi..., Imaduddin Sahabat, FE UI, 2009